Vom richtigen Umgang mit Erkrankungsstatistiken

Quelle: Tolzin, Hans; Macht Impfen Sinn? Band 1, Tolzin Verlag 2013, Seite 186 bis 192

Der plausible Kurvenverlauf
Die Einführung von Impfungen soll die Erkrankungs- und Todesrate sichtbar senken. Wenn die Impfung funktioniert, also wirksam ist, dann sollte bald nach Beginn der Massenimpfung eine Reaktion im Kurvenverlauf zu sehen sein. Die Kurve muss sich dabei allmählich nach unten neigen: Da in der Regel immer nur bestimmte Jahrgänge geimpft werden und nicht die gesamte Bevölkerung auf einmal, wird sich die Kurve auch bei einem 100%ig wirksamen Impfstoff nicht von einem Jahr zum nächsten auf das niedrigere Endniveau senken, sondern etwa 5 bis 10 Jahre dafür benötigen (siehe Abb. 1). Ein plötzlicher Absturz der Kurve, wie in Abb. 2 dargestellt, ist deshalb unplausibel. Solche Verläufe haben wir z. B. in Deutschland bei den Poliostatistiken.

Grafische Manipulationen
Ein derart extremer Verlauf kann verschiedene Ursachen haben. Z. B. könnten die zugrunde liegenden Zahlen reell sein, jedoch die Grafik an sich manipuliert worden sein. Eine solche Manipulation könnte aus einer Verzerrung der x-Achse (Jahre) oder der y-Achse (Anzahl) bestehen, wie beispielsweise in Abb. 3 dargestellt. Dort wurde, um die Steilheit des Abfalls optisch abzuschwächen, das entscheidende Jahr nach Einführung der Impfung auf der x-Achse auf das 12-fache ausgedehnt, so dass es so wirkt, als sei der Kurvenverlauf plausibel. In Wahrheit sind jedoch die zugrunde liegenden Daten für Abb. 2 und Abb. 3 identisch. Ein weiteres Beispiel für eine willkürliche Verzerrung finden Sie in Abb. 4. Hier ist die y-Achse derart gestaucht, dass der Unterschied zwischen „vorher“ und „nachher“ wesentlich kleiner ausfällt als bei Abb. 2 – obwohl diese auf identischen Daten basiert.

Solche bewussten Verzerrungen sind relativ leicht zu durchschauen und kommen in wissenschaftlichen Publikationen oder Veröffentlichungen der Behörden eigentlich kaum vor. Die Grafiken sind in der Regel entsprechend der Datengrundlage korrekt dargestellt.

Wozu offizielle Stellen jedoch gerne greifen, ist die Wahl eines Ausschnittes aus einem Gesamtverlauf, wie in Abb. 5 und 6 dargestellt: In Abb. 5  beginnt die Kurve im Jahr 1950 und endet im Jahr 1980. Sie stellt einen kontinuierlichen Rückgang dar, der auch durch die Einführung der Impfung im Jahr 1965 nicht beeinflusst wird. Es ist offensichtlich, dass die hypothetische Impfung auf den Kurvenverlauf keinerlei positiven oder negativen Einfluss hat – und somit wirkungslos ist.
Werden jedoch die Jahre vor 1965 ausgeblendet (Abb. 6), so entsteht der Eindruck, als hätte der Rückgang der Erkrankungsrate etwas mit der Impfung zu tun.

Einfluss der Erwartungshaltung auf die Diagnose
Schwieriger wird es, wenn nicht die Art der grafischen Darstellung, sondern die Datengrundlage selbst – sei es bewusst oder unbewusst  – verfälscht wurde. Ein einfaches und relativ leicht nachzuvollziehendes Beispiel: Solange es keine Masern-Impfung gab, wurden alle Kinder mit einem typischen Masernausschlag auch als Masern diagnostiziert. Sobald jedoch die Impfung eingeführt wurde, war die Diagnose für den Arzt komplizierter. Glaubt er an den Segen der Impfung, wird er dazu neigen, bei ungeimpften Kindern mit typischen Symptomen auch Masern zu diagnostizieren, während er bei geimpften Kindern dazu neigen wird, eine Diagnose mit ähnlicher Symptomatik zu stellen, z. B. Scharlach, Windpocken, Neurodermitis etc. Selbst wenn ein Arzt bemüht ist, sich nicht von seiner  Erwartungshaltung leiten zu lassen, wird das Wissen um den Impfstatus seiner Patienten seine Diagnose beeinflussen. Darüber hinaus wird der Arzt von heute während seiner Ausbildung und von den Gesundheitsbehörden geradezu ermuntert, bei der Diagnosestellung den Impfstatus mit einzubeziehen. Dies hat zur Folge, dass bei Einführung einer Impfung allein schon durch diese Erwartungshaltung bzw. durch dieses Vorurteil bestimmte Diagnosen seltener gestellt werden als vorher. Damit haben wir unter Umständen eine sich selbst  erfüllende Prophezeiung: Die Erwartung eines Impfnutzens führt zum Beweis des Nutzens.

Das Problem ist nun nicht, dass auch Ärzte „nur“ Menschen sind und somit durch unbewusste Faktoren beeinflusst werden, sondern, dass dieser psychische Einflussfaktor bisher in keiner einzigen offiziellen Publikation berücksichtigt wurde. Die Behörden tun einfach so, als sei ein Rückgang der Erkrankungsraten, die im zeitlichen Zusammenhang mit der Einführung von Impfungen stehen, ausschließlich durch die Impfungen erklärbar. Das ist nicht einfach nur naiv, sondern geradezu fahrlässig. Dadurch verlieren zudem automatisch alle Statistiken, die für eine Wirksamkeit von Impfungen zu sprechen scheinen, an Aussagekraft.

Unterschiedliche Datengrundlage vorher und nachher
Ein weiterer Aspekt, der in offiziellen Statistiken gerne übersehen wird, ist die Vergleichbarkeit der Daten vor und nach Einführung der Impfung. Jede Änderung der Erfassungskriterien, der Meldekriterien und der Falldefinitionen muss automatisch einen Einfluss auf die Anzahl der gemeldeten und erfassten Erkrankungen und Todesfälle haben. Wenn z. B. die Falldefinition vorher auch leichtere Fälle einschloss, danach jedoch nur noch schwerere Fälle gezählt wurden, so muss die Kurve natürlich fallen. Wenn gleichzeitig auch eine Impfung eingeführt wurde, kann die Ursache für den (statistischen) Rückgang fälschlicherweise der Impfung zuerkannt werden. Wir werden noch am Beispiel Polio sehen, wie das in der Praxis aussieht.

Einer entsprechenden Manipulation kommt man am leichtesten auf die Spur, indem man sich von der eigentlichen Diagnose löst und überprüft, wie sich die Erkrankungsrate aller Fälle mit einem entsprechenden Symptombild – unabhängig von der Diagnose  – entwickelt hat. Wenn z. B. eine Influenzaimpfung eingeführt wird und diese wirksam ist, dann muss nicht nur die Rate der Influenzapatienten sinken, sondern gleichzeitig auch die Summe aller Erkältungskrankheiten – unabhängig von der Diagnose. Ändert sich die Gesamtzahl nicht spürbar, hat die neue Impfung logischerweise auch nichts gebracht.

Hier kommen wir nun zu dem Phänomen der sogenannten „Erregerverschiebung“ (siehe auch Abb. 7). Von Erregerverschiebung spricht man dann, wenn die Anzahl der Erkrankten mit der Diagnose „Infektionskrankheit Erreger A“ sichtbar zurückgeht, die Gesamtanzahl der Erkrankungen sich jedoch nicht ändert, weil gleichzeitig die Diagnosen „Infektionskrankheit Erreger B“ zunehmen, wobei beide Erreger „A“ und „B“ für die gleichen Symptombilder verantwortlich gemacht werden. Solche angeblichen Verschiebungen können verschiedene Ursachen haben. Veränderungen der Falldefinitionen, Ermunterung der Ärzte, eine bestimmte neue Diagnose zu stellen, oder die Einführung neuer Labortests, die erstmals einen bestimmten Erreger-Subtyp feststellen können. Zusammenfassend gibt es also eine ganze Reihe von Aspekten, die man bei der Beurteilung von Statistiken im Auge behalten muss.

Insbesondere eines ist abschließend wichtig zu wissen: Der Kurvenverlauf vor Einführung der Impfung lässt eine Aussage darüber zu, dass er definitiv nichts mit der Impfung zu tun haben kann. Fällt also die Erkrankungshäufigkeit bereits vor der Impfung, kann es nicht an der Impfung gelegen haben. Der Umkehrschluss, dass der Kurvenverlauf nach Einführung einer Impfung eine Aussage über einen Zusammenhang mit der Impfung erlaubt, ist jedoch verkehrt. Denn es gibt, wie erwähnt, eine ganze Reihe von Faktoren, die – neben der Impfung selbst – den Kurvenverlauf beeinflussen können. Hier muss also stets sehr genau hingesehen werden.

Seite (Mittelfeld) drucken